進化計算と深層学習 創発する知

近年、人工知能 (AI) は三度目のブームと言われています。その一因はニューラルネットワークを発展させたディープラーニング (深層学習) でしょう。そこで本書では、ディープラーニングの基礎となるニューラルネットワークの理論的背景から最近の進展や成果、課題にいたるまでを詳しく説明します。
 
筆者の専門は進化計算や創発ですが、ニューラルネットワークについては学生時代から興味を持ち研究のために頻繁に利用しています。進化計算はニューラルネットワークと一緒に活用されることも多く、国際的な学会においても両者のテーマで共催されることが少なくありません。そのため本書では、進化計算とニューラルネットワークを統合した手法として、さまざまな分野に応用され注目を集めているニューロ・エボルーションについても解説します。
 
また筆者は、パーセプトロン、ニューラルネットワークからディープラーニングにいたるまでの最初と二度目の冬を実際に見聞きし、体験しています。したがって、かつてのブームを知らない人々に興亡の歴史とその背景について筆者なりに語るのも意義あると思い執筆しました。
 
最近の学生たちがディープラーニングやAI手法を使って問題を解いたり新たな視点で考察したりするのに、筆者は人知れず感銘を受けています。しかしながら一方で、彼らの多くがAIやニューラルネットワークの古典的な名作や歴史的背景をほとんど知らずにいることは非常に残念です。そのため本書ではそれらの意義にふれるべく記号主義をめぐる論争や認知科学的議論なども説明しました。とくに最後の章は「知の創発」と題して、AIの実現や脳の進化について解説します。もともとAIという研究分野では随筆による発表が許されていたので、そこには筆者なりの考え方も多分に含まれています。
 
こうした背景から、本書は人工知能の初級研究者を対象とした入門書となっています。「進化」と「学習」をキーワードとして、人工知能の実現へのアプローチや知能の創発についても解説しています。アルゴリズムや生物学の知識を前提としないビギナー向けに、ニューラルネットワークの基礎的部分から、ディープラーニングまで理論をふまえて分かりやすく解説します。ディープラーニングの技術開発にあたって、その前段階であるニューラルネットワークの基礎からそれらの最近の研究、ディープラーニングの代表的な手法と応用例を取り上げていきます。また本書では、数学的な理解は必要最小限におさえ、全体的に数式やプログラムなどは極力使用しないように努めています。

 

(紹介文執筆者: 情報理工学系研究科 教授 伊庭 斉志 / 2020)